一种全驱异构多智能系统预设时间协同容错方法技术方案

本发明专利技术公开了一种全驱异构多智能系统预设时间协同容错方法，包括步骤：S1，构建一个虚拟无人飞行器作为虚拟领导者，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；S2，在地面上随机选择一个点建立三维直角坐标系，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；最终得到故障下异构多智能体系统全驱系统模型；S3，基于异构多智能体系统中个体的交互特性，构造分布式预设时间观测器；S4，通过分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。本发明专利技术提高了系统的机动响应速度和编队系统的鲁棒性、容错性。错性。错性。

【技术实现步骤摘要】
一种全驱异构多智能系统预设时间协同容错方法


[0001]本专利技术涉及空地多智能体系统的容错编队控制领域，尤其涉及一种全驱异构多智能系统预设时间协同容错方法。

技术介绍

[0002]多智能体系统是由多个兼具通信、传感、计算和执行能力的自主单元子系统组成，基于通信网络实现信息交互并通过分布式控制单元实现协同的系统。随着生物学、人工智能、控制科学、计算机科学等领域的交叉融合发展，多智能体系统得到了越来越多的关注并在很多领域得到了实际的应用。无人飞行器与无人地面车辆是多智能体系统中最具有代表性的两种对象，通过无人飞行器与无人地面车辆的合理配合，可以弥补单一类型对象的不足，有效提升协同作业效能。例如，在复杂地形条件的侦察中，多个无人飞行器编队控制可用于覆盖大面积区域以迅速搜索目标。然而，无人飞行器飞行速度、高度、姿态不确定性等因素使无人飞行器上所搭载的传感器分辨和定位地面特征的能力受到了限制。此时，通过引入多个无人地面车辆协同侦察，凭借无人飞行器为其提供大范围环境信息，无人地面车辆可以提前规划路线避开前方建筑物或栅栏等障碍物，准确定位地面目标，实现异构集群系统的优势互补与协同配合。
[0003]由于无人飞行器与无人地面车辆具有完全不同的物理结构，其动力学模型完全不同，且飞行器在三维空间运动，地面车辆在二维空间运动，导致现有的面向同构多智能体系统的分布式协同编队控制算法无法直接应用。在实际协同作业过程中，由于外部环境的突然恶化、长时间高负荷运行等原因智能体系统会不可避免地发生各类故障，如执行器故障、传感器故障、元部件故障等。由于多智能体系统具有强耦合性，当某些子系统发生故障时，故障信息会借助通信网络传递给邻居智能体，进而波及整个系统。如果系统的故障信息得不到及时有效的处理，那么预期的协同作业任务便难以实现，造成系统瘫痪、经济损失，甚至人员伤亡。现有的异构多智能体控制策略并没有很好地解决故障信息传播这一问题。因此，在多智能体系统的协同控制问题中，当故障发生时，如何抑制故障信息的传播的同时设计相应的容错控制方法保证系统整体的稳定运行及协同性具有现实的意义。
[0004]目前，大多将无人飞行器与无人地面车辆建模为一阶状态空间模型。然而，无人飞行器与无人地面车辆等系统均要遵循客观的物理定律，如牛顿定律、拉格朗日方程、动量矩定理等。基于以上物理定律直接建立的系统模型大多为二阶或高阶微分方程。若是将这些二阶或高阶系统模型转化为一阶状态空间模型，就破坏了原系统的全驱特性。直接基于高阶全驱系统模型，控制器设计更为简便，且易于实现，全驱特性允许消除所有的开环动力学，建立一个全新的、期望的、定常线性闭环系统。因此，研究基于全驱系统方法的协同控制策略具有应用价值。
[0005]另外，随着协同作业任务的复杂化、精细化、高效化程度的不断提高，对多智能体系统的机动响应性也提出了更为严苛的要求。在确保预期协同作业任务可实现的前提下，要求进一步提高任务执行的及时性和快速性，这就使得现有以实现渐近收敛为目标的多智
能体系统的容错控制算法不再适用。现有的固定异构多智能体系统协同控制策略虽然能在固定时间内实现系统的收敛，但是收敛时间的大小仍取决于所设计控制器的参数值，而且控制器中引入了符号函数导致控制输入震颤。因此亟需研究新的控制策略实现异构多智能体系统在任意预设时间内收敛。

技术实现思路

[0006]专利技术目的：本专利技术的目的是提供一种能实现预定时间内对领导者所提供的期望运动轨迹信息的跟踪，提高系统的机动响应速度和编队系统鲁棒性、容错性的异构多智能系统预设时间协同容错方法。
[0007]技术方案：本专利技术全驱异构多智能系统预设时间协同容错方法，包括步骤如下：
[0008]S1，构建一个虚拟无人飞行器作为虚拟领导者，该虚拟领导者提供期望的运动轨迹信息；跟随者包括跟随虚拟领导者的N1个无人地面车辆和N2个无人飞行器，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；
[0009]S2，在地面上随机选择一个点建立三维直角坐标系，分析无人地面车辆和无人飞行器的运动特性，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；通过分析故障对系统的性能影响，构建故障模型，最终得到故障下异构多智能体系统全驱系统模型；
[0010]S3，基于异构多智能体系统中个体的交互特性，构造分布式预设时间观测器，实现预设时间内对领导者所提供的期望运动轨迹信息的跟踪；
[0011]S4，结合全驱系统理论和预设时间收敛性理论，利用预设时间观测器对领导者所提供的期望运动轨迹信息的实时观测信息和自身位置信息，设计分散式容错编队控制器；通过分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。
[0012]进一步，步骤S1中，所述运动轨迹信息包括位置信息、速度信息和加速度信息，分别定义为和x
01
、x
02
和x
03
分别表示领导者在X轴、Y轴和Z轴的位置，表示所有实数，上标T表示矩阵转置；
[0013]无人地面车辆集合定义为
[0014]无人飞行器集合定义为
[0015]异构多智能体系统集合定义为
[0016]所有追随者之间的连接关系用有向图表示，其中n
i
表示第i个跟随者，N表示跟随者的总个数，N＝N1+N2，表示边集，(n
i
,n
j
)表示跟随者n
j
能够获取跟随者n
i
的信息；为权值非负的连接矩阵，为实数域，当(n
j
,n
i
)∈ε，a
ij
＝1，当a
ij
＝0；
[0017]拉普拉斯矩阵定义为其中和
[0018]进一步，领导者和追随者之间的信息交互特性用表示，其中，当且仅当第i个追随者能够接收领导者的信息，s
i
＝1；否则s
i
＝0；
[0019]整个异构多智能体系统的信息交换矩阵定义为
[0020]存在一个正对角矩阵P＝diag{p1,...,p
N
}使得其中1为表示一个元素均为1的列向量。
[0021]进一步，步骤S2中，所述无人地面车辆全驱系统模型如下：
[0022][0023]其中，x
i1
′
和x
i2
′
分别表示无人地面车辆i在X轴和Y轴的位置；u
i1
′
和u
i2
′
分别表示无人地面车辆i在X轴和Y轴的控制输入；L
i
表示无人地面车辆i从参考位置到惯性位置的距离，v
i
、w
i
、θ
i
分别表示无人地面车辆i的速度，角速度和方向；
[0024]所述无人飞行器全驱系统模型如下：
[0025][0026]其中，x
i1
″
...

【技术保护点】

【技术特征摘要】
1.一种全驱异构多智能系统预设时间协同容错方法，其特征在于，包括步骤如下：S1，构建一个虚拟无人飞行器作为虚拟领导者，该虚拟领导者提供期望的运动轨迹信息；跟随者包括跟随虚拟领导者的N1个无人地面车辆和N2个无人飞行器，利用图论知识建立领导者与跟随者和跟随者之间的信息交互特性；S2，在地面上随机选择一个点建立三维直角坐标系，分析无人地面车辆和无人飞行器的运动特性，建立无人地面车辆全驱系统模型和无人飞行器全驱系统模型；通过分析故障对系统的性能影响，构建故障模型，最终得到故障下异构多智能体系统全驱系统模型；S3，基于异构多智能体系统中个体的交互特性，构造分布式预设时间观测器，实现预设时间内对领导者所提供的期望运动轨迹信息的跟踪；S4，结合全驱系统理论和预设时间收敛性理论，利用分布式预设时间观测器对领导者所提供的期望运动轨迹信息的实时观测信息和自身位置信息，设计分散式容错编队控制器；通过分散式容错编队控制器实现在执行器故障影响下无人地面车辆和无人飞行器跟随者位置的预设时间协同编队控制。2.根据权利要求1所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤S1中，所述运动轨迹信息包括位置信息、速度信息和加速度信息，分别定义为和x
01
、x
02
和x
03
分别表示领导者在X轴、Y轴和Z轴的位置，表示所有实数，上标T表示矩阵转置；无人地面车辆集合定义为无人飞行器集合定义为异构多智能体系统集合定义为所有追随者之间的连接关系用有向图表示，其中n
i
表示第i个跟随者，N表示跟随者的总个数，N＝N1+N2，表示边集，(n
i
,n
j
)表示跟随者n
j
能够获取跟随者n
i
的信息；为权值非负的连接矩阵，为实数域，当(n
j
,n
i
)∈ε，a
ij
＝1，当a
ij
＝0；拉普拉斯矩阵定义为其中和3.根据权利要求2所述异构多智能系统预设时间协同容错控制方法，其特征在于，领导者和追随者之间的信息交互特性用表示，其中，当且仅当第i个追随者能够接收领导者的信息，s
i
＝1；否则s
i
＝0；整个异构多智能体系统的信息交换矩阵定义为存在一个正对角矩阵P＝diag{p1,...,p
N
}使得其中1为表示一个元素均为1的列向量。4.根据权利要求1所述异构多智能系统预设时间协同容错控制方法，其特征在于，步骤S2中，所述无人地面车辆全驱系统模型如下：
其中，x
i1
′
和x
i2
′
分别表示无人地面车辆i在X轴和Y轴的位置；u
i1
′
和u
i2
′
分别表示无人地面车辆i在X轴和Y轴的控制输入；L
i
表示无人地面车辆i从参考位置到惯性位置的距离，v
i
、w
i
、θ
i
分别表示无人地面车辆i的速度、角速度和方向；所述无人飞行器全驱系统模型如下：其中，x
i1
″
、x
i2
″
和x
i3
″
分别表示无人飞行器i在X轴、Y轴和Z轴的位置；空气阻力矢量为定义三个新变量D
i1
,D
i2
,D
i3
且令阻力系数K
ij
＞0,j＝1,2,3，无人飞行器i的质量m
i
＞0，f
i1
″
＝D
i1
,f
i2
″
＝D
i2
,f
i3
″
＝D
i3
‑
g，g为重力加速度；b
i
″
＝1/m
i
；u
i1
″
、u
i2
″
和u
i3
″
分别表示无人飞行器i在X轴、Y轴和Z轴的控制输入；故障模型为：其中，u
ij
(t)分别表示t时刻第i个智能体的第j个执行器的输出和输入，当j＝1,2；当j＝1,2,3；ρ
ij
表示为执行器的效能因子，其满足0＜ρ
ij
≤ρ
ij
≤1，其中ρ
ij
为一正常数；故障下第i个智能体全驱系统模型描述为：其中，当时，x
i
＝x
i
′
，f
i
＝f
i
′
，b
i
＝1，Λ(ρ
i
)＝diag(ρ
i1
,ρ
i2
)，u
i
＝[u
i1
,u
i2
]
T
，u
i1
和u
i2
分别表示第i个跟随者在X轴和Y轴的控制输入；当时，x
i
＝x
i
″
，f
i
...

【专利技术属性】
技术研发人员：姜斌，马永浩，张柯，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：